基于人工神经网络的矿井涌水量预测

应用人工神经网络理论,提出了矿井涌水量预测的新万法.并将其与自回归时序模型进行了比较验证,结果表明,运用神经网络方法进行矿井涌水量预测,精度高,自适应性强,在数据不十分充足的情况下,效果尤其好于自回归模型.     

基于人工神经网络的矿井涌水量预测

应用人工神经网络理论,提出了矿井涌水量预测的新方法,并将其与自回归时序模型进行了比较验证,结果表明,运用神经网络方法进行矿井涌水量预测,精度     

矿井涌水量回归模型预测方法研究

涌水量预测一直是矿井防治水工作中重要部分,准确的预测可以预防矿井水害的发生。本文应用传统ARIMA模型对某矿过去近20年涌水量数据进行拟合建立数学回归模型,并在此基础上,考虑多因素众变量的影响,提取出涌水量数据中的趋势-循环因子、季节影响、波动因素,重新建立起数学回归模型,对两种不同方式所建立起的模型进行对比分析,结果表明:考虑多因素的季节加法模型预测结果更贴合实际,能够更好地为矿井生产服务。为矿井涌水量预测精度的提升提供了新思路和新方法。     

矿井涌水量时间序列ARIMA预测模型

为对矿井涌水量进行准确预测,以矿井涌水量历史时序数据为基础,提出一种综合自回归移动平均模型.建模时首先需要对涌水量时间序列进行平稳化处理,根据拖尾、截尾情况及BIC数值初步确定一个模型,进行参数估计、假设检验,并作出必要调整,反复循环,直至获得较为满意的ARIMA模型.以东欢坨矿1991年1月到2014年4月月度涌水量进行实验分析,最终建立了ARIMA(1,1,1)预测模型,利用该模型进行预测,最大误差为2.1829%,最小误差仅为0.2885%,模型精度较高,能够很好地满足实际工程需要.研究结果表明:ARIMA模型对矿井涌水量短期预测是可行的.     

煤矿开采矿井涌水量预测方法现状及发展趋势

煤矿开采矿井涌水量对于煤矿防治水以及安全高效生产具有重要意义。详细阐述了矿井涌水量预测方法,并对其预测过程进行了较为详细的论述与分析。指出矿井涌水量预测方法存在的问题,针对存在的问题,提出了未来应建立多因素综合模型,将传统的单一模型进行扩大,提高适用范围和预测精度;建立基于大数据的预测,将矿井涌水量与大数据有机结合,通过大数据分析涌水量的特征预测矿井涌水量;进行系统理论综合分析,将矿区涌水量作为一个系统,从时空序列中提取地下水变化特征,为涌水量的预测提供支撑。     

基于CEEMDAN-BO-BiGRU的矿井涌水量预测研究

为提高矿井涌水量预测的准确度，基于涌水量数据的不稳定性及随机性，提出一种自适应噪声完备集合经验模态分解(CEEMDAN)、贝叶斯优化(BO)与双向门控循环单元(BiGRU)相结合的矿井涌水量预测模型(CEEMDAN-BO-BiGRU)。该模型通过CEEMDAN将涌水量数据分解为多个较平稳的固有模态分量(IMF)和残差分量(Res)，过滤数据噪声，提取数据不同时间尺度波动特征，降低预测误差。利用贝叶斯优化对BiGRU模型多个超参数进行迭代寻优，进一步提高模型的预测精度。之后对各分量进行超前1至3步预测预测，最终将各分量预测结果加和得到涌水量多步预测结果。以小庄煤矿矿井涌水量数据进行试验，并将CEEMDAN-BO-BiGRU预测结果与CEEMDAN-BiGRU、BiGRU、BP、SVM进行对比实验，结果表明采用CEEMDAN-BO-BiGRU组合网络模型对矿井涌水量预测结果更准确，该方法对涌水量的短时预测提供了一种新思路。     

降水充水类型矿井涌水量预测方法研究

矿井涌水量是影响煤矿安全生产的主要因素之一,它直接影响到矿井水文地质条件的复杂程度,关系到对矿床的经济技术评价,因此有效的矿井涌水量预测成为了矿井安全生产的重要因素。为了更有效地预测矿井涌水量,针对降水充水类型的矿井以古书院矿为例,通过分析近五年降水量和涌水量资料,利用回归分析法推导出二者定量关系式,并对近20年的降水量采用水文频率分析法分析得出平水年、丰水年的平均降水量,以此作为因变量,根据推导出的降水量和涌水量函数关系式,分别预测矿井的正常涌水量和最大涌水量,达到有效预测的目的。     

基于人工神经网络的大海则煤矿单井矿井水定量预测

生产矿井未采矿体涌水量预测是保障矿井安全生产的基础工作。本文在充分分析大海则矿井涌水量影响因素基础上,利用人工神经网络理论,建立矿井涌水量的BP网络模型。人工神经网络模型具有增强专家系统的容错能力,当神经网络中少量的神经元发生失效或错误时,不会对系统整体功能带来严重的影响。通过该模型的网络预测,经大海则矿井现场验证：利用BP神经网络预测矿井涌水量其结果真实程度较高,是比较理想的预测方法和手段。     

赵各庄矿井高倾斜煤层深部开采矿井涌水量预测研究

赵各庄矿井13水平西翼第8号石门区域的3839工作面是一个典型的近百年开采的高倾斜煤层深部开采区。为预测3839工作面涌水量,首先分析了其上部9-13水平近30年的开采面积、降水量、奥灰水位、开采深度等因素与矿井涌水量的相关性;其次,筛选出了老空积水量、降水量、奥灰水位变幅和开采深度等影响因素;最后,通过建立多元线性回归分析预测模型(方程),并利用2012年涌水量数据对预测模型进行验证,发现该预测模型与2012年实测数据相关性很高。进而对2013年的3839工作面涌水量进行了预测,得到的结果与已有的比拟法、解析法预测结果均较接近。说明该模型涌水量预测可行,但未证明该模型具有普遍适用性。     

矿井涌水量的数学模型与预测

运用增长曲线数学模型模拟矿井涌水量的变化规律,解决了矿井涌水量的模型描述及矿井最大涌水量的预测,为矿井合理配置提供了科学的依据,给出了各种模型的建立,转换关系,估计方法及实例。     

基于小波分解的径流非线性预测

利用小波变换原理将具有非平稳特征的径流序列进行分解，使其平稳项与随机项分离。对平稳项采用传统的AR模型加以预测，而通过对随机项的混沌特征研究，发现其具有明显的混沌特征，进而提出了基于非线性混沌动力学的预测模型方法。最后通过小波对所提出的AR NCDF预测模型预测结果予以重构，实现对原始径流序列的预测。该方法通过实例验证具有较高的精度，是一种实际可行的方法。     

AR模型应用于振动信号趋势预测的研究

振动信号的趋势预测是设备状态监测与故障诊断中的一个重要内容。论文提出采用时间序列ＡＲ模型进行趋势预测。将现场测得的非平稳振动序列通过ＡＲＩＭＡ模型和标准化处理,转化成标准正态平稳时间序列。模型参数估计使用了方法简单、参数估计无偏、精度高的最小二乘法。通过现场实测数据进行验证,计算结果表明ＡＲ模型能够很好地拟合振动信号时间序列并取得了一定的预测精度,可以达到预测要求。     

基于WLS-SVM的飞机状态监控与预测方法

介绍了加权最小二乘支持向量机(WLS-SVM)在时间序列预测中应用的基本方法,给出了一维时间序列建模预测的一般框架。提出采用BIC准则选取嵌入维数,并给出了基于统计量的模型性能评价方法。针对飞机发动机的典型状态参数,分别进行基于加权最小二乘支持向量机和AR模型的建模与预测,给出了详细的比较结果。试验表明,由于加权最小二乘支持向量机采用了新型的结构风险最小化准则,因而表现出优秀的推广能力,可预测区间较长且具有较高的准确度。     

时间序列分析在龙羊峡水库流量预报中的应用

本文通过对龙羊峡水库入流量过程的数学分析,建立了灰色系统GM(1,1)型与时间序列模型AR(P)相叠合的长期径流预报模型。     

用时序在线建模法进行加工尺寸的预报控制

本文基于AR模型参数的Livenson-Durbin算法提出了一种AR模型的在线建模算法,与已有的递推最小二乘法相比,具有相同的精度,而计算量要少得多.通过对精镗孔加工尺寸预报控制的模拟计算表明,应用本文提出的在线建模方法进行加工尺寸的预报控制是完全可行的.     

油田产量预报的一种方法

本文提出一种含延迟的自回归模型。这种模型将传统的自回归模型作为其一种特殊情况,以期扩大最佳预报模型的选择范围,从而提高预报的精度。作者利用这种模型对某油田产油量数据进行了预报,并与自回归模型的预报结果作了比较,说明了本文方法的良好效果。     

时间序列分析方法的研究

时间序列分析方法是建立变形测量预测模型的主要方法．本文就变形测量中用AR模型建立变形预测模型的参数估计问题以及模型阶次问题进行了探讨，并指出在样本观测值有限的条件下，宜采用最小二乘法及动态数据(DDS)方法建立动态变形的预测模型．     

RBF-AR模型在三峡水电站上网日电量预测中的应用

针对水电站上网日电量数据的非线性特征,采用状态相依自回归(state-dependent autoregressive,SD-AR)模型对数据进行描述。用高斯径向基函数(radial basis function,RBF)神经网络来逼近SD-AR模型的函数型系数,采用一种结构化非线性参数优化方法 (structured nonlinear parameter optimization method,SNPOM)来离线辨识RBF-AR模型系数,并利用此模型对数据进行预测。通过对三峡左岸和右岸水电站上网日电量真实数据进行训练和测试,并与其他经典算法进行比较,验证了RBF-AR模型在不确定条件下的预测准确性和可行性。     

主轴回转误差的动态数据模型研究

从车床切削过程的动态模型出发，分析了用动态数据系统（ＤＤＳ）方法建立主轴回转误差模型的理论基础，直观，深入地展示了模型建立的条件和实质，进一步对实测的多组主轴回转误差信号，建立了ＡＲ模型。通过模型的预测误差研究，验证了模型和文中理论分析的正确性，本文结论可用于实时误差补偿系统中，为主轴回转误差的建模和预测方案设计提供依据。     

时序模型用于圆度预测补偿控制问题的理论探讨

本文研究了以AR(自回归)时序模型用于圆度预测补偿控制问题;从最小方差控制的角度,指出了AR模型的局限性而应代之以ARV模型.文中讨论了运用自校正调节器的可能性,以克服加工环境慢时变特性对预测控制的影响.